Guía para el Trabajo Práctico N 5. Métodos Estadísticos en Hidrología

Tamaño: px
Comenzar la demostración a partir de la página:

Download "Guía para el Trabajo Práctico N 5. Métodos Estadísticos en Hidrología"

Transcripción

1 Guía para el Trabajo Práctco 5 Métodos Estadístcos en Hdrología er. PASO) Realzar el ajuste de la funcón de dstrbucón normal a una muestra de datos totales anuales de una varable (caudal, precptacón, etc.) y verfcar la bondad del ajuste utlzando la prueba Ch cuadrado (x ). El procedmento consste en dvdr el rango de la varable en ntervalos dscretos y contar el número de observacones que cae en cada uno de ellos. La ampltud del ntervalo se elge de manera que cagan sufcentes observacones dentro de cada uno para que el hstograma tenga una varacón suave en el rango de la nformacón. Prmero se calcula para cada ntervalo la frecuenca relatva que es el cocente entre las observacones que caen en él y el total de observacones. Segudamente obtenemos la frecuenca acumulada que resulta de sumar las frecuencas relatvas sucesvas. A contnuacón se estandarza la varable, tomando para cada ntervalo el límte superor, para lo cual se utlza la meda y el desvío de la muestra como estmadores de los parámetros de la poblacón. Suponendo que la varable fuera caudal, la varable estandarzada vale: Sendo la Meda Artmétca Q Q z = σ Q Q = = Sendo: Q : valores de la varable : longtud de la muestra Y el Desvío Típco o Standard σ = ( Q) Q los que se han de utlzar en todo los métodos. El valor correspondente de la funcón de probabldad acumulada se encuentra utlzando la tabla 3. La funcón de probabldad ncremental se calcula desacumulando los valores de la funcón de probabldad. Fnalmente la bondad del ajuste puede probarse comparando los valores teórcos y muestrales de las funcones de frecuenca relatva por medo del Test de Ch cuadrado (X ).

2 Su ecuacón es: m = número de ntervalos de clase. = número total de observacones. X = m = * [ f ( x ) p( x )] s p( x ) y este valor se compara con el valor de la dstrbucón de probabldad X que se encuentra tabulado según el nvel de confanza adoptado (95%) y el número de grados de lbertad. Dchos valores fguran en la tabla n 4. n de grados de lbertad: v = m - p - donde m = n de ntervalos de clase Para el ordenamento de los cálculos realzamos la sguente tabla: p = n de parámetros de la funcón de dstrbucón teórca. Intervalo Rango n f s (x ) F s (x ) z F (x ) p(x ) X < 0 /69 / /69 3/ / Total: Donde f s(x) : frecuenca relatva de la muestra. F s(x) : frecuenca relatva acumulada de la muestra. z : varable estandarzada. F (x) : probabldad acumulada obtenda utlzando la dstrbucón normal. p (x) : probabldad ncremental obtenda utlzando la dstrbucón normal. do. PASO) Realzar el estudo estadístco de la sere que se presenta como dato, para determnar los valores máxmos anuale s de la varable hdrológca analzada (precptacón, caudal, temperatura, etc.) para tempos de recurrenca dados y para obtener probabldades de ocurrenca de valores máxmos dados de la varable, aplcando los métodos de Ven Te Chow, Gumbel, Log Pearson III y Gbrat-Galton. Una vez logrado el ajuste por dchos métodos deberá comprobarse la bondad de ellos calculando el Error cuadrátco medo de la varable (ECMV) y de la frecuenca (ECMF). Los pasos a desarrollar para la ejecucón del trabajo son los que sguen:.) Ordenar los térmnos de la sere anual de mayor a menor, por tratarse de un estudo de valores máxmos, adjudcándole a cada uno de los valores un número de orden, dentfcable con la letra m. De ese modo el máxmo valor de la sere tendrá un m= y el mínmo un m =..) La resolucón por el método de Ven Te Chow es de carácter analítco, puesto que se basa en la funcón generalzada de frecuencas propuesta por el menconado autor. Q = Q + K Sendo Q: Caudal máxmo buscando para una recurrenca determnada Q : Caudal medo K: Factor de frecuencas, tabulado para dferentes valores de (longtud de la sere) y TR (período de retorno); σ : Desvío stand ard de la sere. σ

3 Según se observará en la tabla n, deberá hacerse una nterpolacón lneal para algunas recurrencas peddas, mentras que las recurrencas menores a los 0 años no se calcularán por no tener asgnado su coefcente K. Este método de resolucón es utlzado para determnacones expedtvas cuando se transta etapa de dentfcacón de un conjunto de alternatvas de obra, donde las determnacones estadístcas no son un factor de mportanca..3) El ajuste por el método de GUMBEL se realza en forma analítca y gráfca partendo de la expresón doble exponencal con la cual el método defne la probabldad de ocurrenca de un valor mayor o gual al analzado: P Q = e ( ) e y Donde y: varable reducda de Gumbel; e: base de los logartmos naturales. La varable reducda y puede determnarse en forma analítca por la expresón y = α ( Q ) Q 0 en la cual α y Q 0 son parámetros que permten el ajuste de la sere de datos, sendo calculados por: α = σ Q o = Q α De ese modo es posble adjudcarle a cada uno de los térmnos de la sere su correspondente probabldad y período de retorno promedo calculando la varable reducda y para desarrollar luego la expresón P (Q) ). Para ordenar los valores de la representacón gráfca debe realzarse el sguente cuadro: m de orden Q (m 3 /seg) y P (Q) Probabldad TR = /P (Q) Tempo de Retorno Los valores calculados en dcho cuadro (Caudal Tempo de Retorno o Recurrenca) se representan en papel de Gumbel, adecuado convenentemente la escala de ordenadas (decmal) a los valores de la sere (m 3 /s, mm, etc.) y quedando la escala horzontal (probablístca) para los valores de TR en años. La representacón de tales valores en este tpo de papel permte trazar un línea recta, que determna el ajuste de los térmnos de la sere a la de GUMBEL. Esta gráfca se utlza para hallar los valores máxmos, para las recurrencas peddas; se ngresa con el valor de TR hasta cortar a la recta y se lee el eje de ordenadas el correspondente valor de Q o P..4) Para la determnacón analítco-gráfca propuesta por el método de Log Pearson III se deben transformar los valores de la sere dada a sus logartmos decmales, obtenéndose luego los sguentes parámetros: Meda Artmétca Q = log Q ( log Q Q) Desvío Típco o logq =

4 Coefcente de Asmetría (log Q Q) g = ( )( )( σ 3 logq ) 3 Estos tres parámetros caracterzan a la sere de caudales o precptacones máxmas según el crtero estadístco de Pearson, pudendo obtenerse la magntud de los caudales peddos aplcando la funcón generalzada de frecuenca adaptada al método: log Q = Q + k σ donde k se halla tabulado como funcón del tempo de retorno (o de la probabldad) y del coefcente de asmetría g. Para lograr el ajuste gráfco se debe trabajar en un papel especal, de escala logarítmco probablístca, en el cual se representan los pares de valores (Q m 3 /s) Prob. (%), obtendos de la sguente manera: para cada valor máxmo de la sere se calcula se respectvo factor k. k Q = log σ Q Con este valor de k se ngresa en la tabla n por la fla correspondente al coefcente de asmetría de la sere (o nterpolando) y por nterpolacón smple se obtene su probabldad (en %). Recordando el concepto de que la probabldad de ocurrenca de un valor mayor o gual a uno dado es el valor recíproco del Tempo de Recurrenca (TR), tendremos: P( Q ) = TR m Q log Q ( log Q Q) ( log Q Q) 3 k P (Q) Σ = Σ = Σ = De los valores de la sere debe hacerse el cálculo señalado y la representacón gráfca para / valores por lo menos que cubran todo el rango de la varable. Una vez grafcados se aproxma una línea contnua que los una, pudendo resultar una curva, o será una recta en el caso de que sea nulo el valor del coefcente de asmetría, lo que sgnfca que la dstrbucón de frecuenca es smétrca para la sere estudada. Será consderado nulo el valor de g cuando esté comprenddo entre 0.05 y , acordando que g se obtendrá con una aproxmacón a dos decmales. Partendo de los conceptos anterores se esquematza a contnuacón el manejo de la gráfca para la obtencón de los valores buscados..5) Para la aplcacón del método de GIBRAT GALTO debe consderarse el ajuste y la utlzacón en forma emnentemente gráfca y recordar la relacón que vncula al tempo de recurrenca (TR) como recíproco de la probabldad mayor o gual: TR = P( Q )

5 por lo tanto, para un TR = 0 años corresponde una P (Q) = 0.0; para un TR = 50 años corresponde una P (Q) = 0.0. El método transforma la dstrbucón normal en una funcón logarítmca de la forma. ( Q Q ) b z a log + = 0 en la cual a, Q 0 y b son tres constantes que permten el ajuste adecuado de los datos de la sere a la funcón de dstrbucón propuesta. La determnacón de esas constantes se hace en forma gráfca, pero debe elaborarse prevamente una tabla que permta el ordenamento de los valores a grafcar: de Orden m Caudal (m 3 /seg) Q Frecuenca Expermental f = m / (+ ) Frecuenca Acumulada F = - f Varable Tpfcada z El térmno denomnado frecuenca expermental (f) es equvalente al que anterormente se denomnó probabldad de ocurrenca mayor o gual P(Q). Se determna luego su complemento respecto de la undad para obtener su frecuenca acumulada (F) que a su vez representa la probabldad de ocurrenca de un valor menor o gual al analzado. Por ejemplo, el máxmo valor de una sere de 0 térmnos (=0) tendrá una frecuenca expermental f=0.048 (probab ldad de 4.8% de ser superado) y una frecuenca acumulada F=0.95 (probabldad del 95.% de que se den valores menores a él). El valor de la varable tpfcada (z) para cada térmno se obtene ngresando en el tabla de Dstrbucón ormal o de Gauss con el valor de frecuenca acumulada mentras ésta sea mayor o gual a 0.5, como la dstrbucón es smétrca debe hacerse F=F* e ngresando con éste nuevo valor de la frecuenca acumulada F* para los cuales la varable tpfcada tene valores negatvos. Luego se procede a la representacón gráfca en papel logarítmco decmal de los valores (Q Q o) en escala logarítmca y z en la escala decmal. Para ello el Qo de ser estmado ncalmente tomando un valor nulo o muy pequeño (50% del valor más chco de la sere) y hacendo por lo menos tres tentatvas de alneacón (3 valores dferentes de Qo) hasta lograr el mejor ajuste gráfco, que ndudablemente responde a una recta de acuerdo con la ecuacón ncal: ( Q Q ) b z a log + = 0 Una vez trazada la recta correspondente al ajuste logrado, se está en condcones de obtener los caudales para los tempos de recurrenca solctados, ngresando con dferente valores de la varables tpfcada z por la escala correspondente, recordando que: TR = f = F En el caso de que se quera determnar para un certo caudal conocdo cuál es la probabldad de que sea superado o cuál es su tempo de recurrenca, se debe proceder en forma nversa, ngresando a la gráfca por la escala logarítmca y obtenendo el valor de z.

6 3er PASO) El paso fnal consste en verfcar la precsón con cada una de las funcones desarrolladas, exceptuando la de Ven Te Chow por ser de uso relatvo, a través del cálculo del error cuadrátco medo de frecuenca ECMF -, y del error cuadrátco medo de la varable ECMV. Ambos, obtendos al confrontar cada dstrbucón teórca con la muestra, son de utldad para determnar cuál de ellas ajusta mejor. 3.a) Error cuadrátco medo de frecuenca: ECMF = ( P( x ) Pj( x ) ) Donde: P (x) = Frecuenca expermental correspondente a un valor de la varable x. Pj (x) = Frecuenca teórca correspondente a una dstrbucón j para la varable x. = Longtud de la sere analzada. Cada sere de valores anuales analzada tene una dstrbucón expermental relaconada con su longtud (), lo que permte asgnarle a cada uno de los térmnos ordenados que la componen una frecuenca denomnada expermental. Entre las varas fórmulas exstente se utlzará la de Webull, ya aplcada en el método de Gbrat Galtón, donde: Donde: f m = + m = úmero de orden de cada valor de la varable. Para ordenar el cálculo se propone el sguente cuadro: m Q f = P (x) ( P ( x ) Pj( x ) ) ECMF Probabldad de Gumbel Probabldad Log Pearson III Probabldad Gbrat Galtón El valor de la frecuenca teórca o probabldad de ocurrenca de cada térmno para el método de Gbrat Galtón, deberá calcularse entrando en el gráfco con Q Q 0, y con el valor de z r a la tabla correspondente obtenendo F y luego f= F, que es el valor de frecuenca teórca a colocar en el cuadro. Para las dstrbucones de Gumbel y Log Pearson, se recurre drectamente al gráfco, entrando con el valor de la varable y calculando su probabldad de ocurrenca. En el método de Gumbel se puede usar drectamente la expresón de cálculo de Probabldad. 3.b) Error cuadrátco medo de la varable: ECMV = ( X Xj ( P ) ) Donde: X = Valor de la varable (al que le corresponde una frecuenca expermental P).

7 Xj(P) = Valor teórco de la varable correspondente a una dstrbucón j para la frecuenca expermental P. Para el cálculo de ECMV se propone ordenar el msmo a través del sguente cuadro: m f = P X = Q ( X Xj ) ( P ) ECMV Xj Gumbel Xj Log Pearson III Xj Gbrat Galtón Cada uno de los valores de la varable (Xj) se obtene en las 3 dstrbucones, entrando al gráfco correspondente con el valor de probabldad dado por la frecuenca expermental, e nterceptando la recta o curva, obtener el valor de la varable (Xj). En el caso de la dstrbucón de Gumbel se puede hallarlo analítcamente despejando el valor de la varable de la expresón de cálculo de la probabldad. Para el método de Gbrat Galtón, como ya se ha vsto, a partr de F se calculo z por la tabla, y así poder entrar al gráfco, obtenendo (Q Q0). Una vez obtendos el ECMV y el ECMF para cada dstrbucón, se debe señalar cuál de ellas ajusta mejor, según los menores valores de errores.

8 TABLA : Valores del factor K para la expresón de Ven Te Chow TR TABLA Coefcente de asmetra 3,0,8,6,4,,0,8,6,4,,0 0,8 0,6 0,4 0, 0-0, - 0,4-0,6-0,8 -,0 -, -,4 -,6 -,8 -,0 -, -,4 -,6 -,8-3,0 Período de retorno, años,00, vel de probabldad, porcentaje ,667-0,74-0,769-0,83-0,905-0,990 -,087 -,97 -,38 -,449 -,588 -,733 -,880 -,09 -,78 -,36 -,47 -,65 -,755 -,89-3,0-3,49-3,7-3,388-3,499-3,605-3,705-3,800-3,889-3,973-4,05-0,636-0,666-0,696-0,75-0,75-0,777-0,799-0,87-0,83-0,844-0,85-0,856-0,857-0,855-0,850-0,84-0,830-0,86-0,800-0,780-0,758-0,73-0,705-0,675-0,643-0,609-0,574-0,537-0,499-0,460-0,40-0,396-0,384-0,368-0,35-0,330-0,307-0,8-0,54-0,5-0,95-0,64-0,3-0,099-0,066-0, ,033 0,066 0,099 0,3 0,64 0,95 0,5 0,54 0,8 0,307 0,330 0,35 0,368 0,384 0,396 0,40 0,460 0,499 0,537 0,574 0,609 0,643 0,675 0,705 0,73 0,758 0,780 0,800 0,86 0,830 0,84 0,850 0,855 0,857 0,856 0,85 0,844 0,83 0,87 0,799 0,777 0,75 0,75 0,696 0,666 0,636,80,0,38,6,84,30,38,39,337,340,340,336,38,37,30,8,58,3,00,66,8,086,04 0,994 0,945 0,895 0,844 0,795 0,747 0,70 0,660,78,75,67,56,40,9,93,63,8,087,043,993,939,880,88,75,680,606.58,448,366,8,98,6,035 0,959 0,888 0,83 0,764 0,7 0,666 3,5 3,4 3,07 3,03,970,9,848,780,706,66,54,453,359,6,59,054,945,834,70,606,49,379,70,66,069 0,980 0,900 0,830 0,768 0,74 0,666 4,05 3,973 3,889 3,800 3,705 3,605 3,499 3,388 3,7 3,49 3,0,89,755,65,47,36,78,09,880,733,588,449,38,97,087 0,990 0,905 0,83 0,769 0,74 0,667

9 Tabla 3: Valores de Frecuenca Acumulada F (z) en funcón de la varable normal tpfcada (), para aplcar en el método de GIBRAT GALTO.- Para Z < 0, pueden hallarse los valores correspondentes por medo de la relacón F (-Z) = F (Z). Z 0,00 0,0 0,0 0,03 0,04 0,05 0,06 0,07 0,08 0,09 0,0 0, 0, 0,3 0,4 0,5000 0,5398 0,5793 0,679 0,6554 0,5040 0,5438 0,583 0,67 0,659 0,5080 0,5478 0,587 0,655 0,668 0,50 0,557 0,590 0,693 0,6664 0,560 0,5557 0,5948 0,633 0,6700 0,599 0,5596 0,5987 0,6368 0,6736 0,539 0,5636 0,606 0,6406 0,677 0,579 0,5675 0,6064 0,6443 0,6808 0,539 0,574 0,603 0,6480 0,6844 0,5359 0,5753 0,64 0,657 0,6879 0,5 0,6 0,7 0,8 0,9 0,695 0,757 0,7580 0,788 0,859 0,6950 0,79 0,76 0,790 0,886 0,6985 0,734 0,764 0,7939 0,8 0,709 0,7357 0,7673 0,7967 0,838 0,7054 0,7389 0,7704 0,7995 0,864 0,7088 0,74 0,7734 0,803 0,889 0,73 0,7454 0,7764 0,805 0,835 0,757 0,7486 0,7794 0,8078 0,8340 0,790 0,757 0,783 0,806 0,8365 0,74 0,7549 0,785 0,833 0,9389,0,,,3,4 0,843 0,803 0,8849 0,903 0,99 0,8438 0,8665 0,8869 0,9049 0,907 0,846 0,8686 0,8888 0,9066 0,9 0,885 0,8708 0,8907 0,908 0,936 0,8508 0,879 0,895 0,9099 0,95 0,853 0,8749 0,8944 0,95 0,965 0,855 0,8770 0,896 0,93 0,979 0,8577 0,8790 0,8980 0,947 0,99 0,8599 0,880 0,8997 0,96 0,9306 0,86 0,8830 0,905 0,977 0,939,5,6,7,8,9 0,933 0,945 0,9554 0,964 0,973 0,9345 0,9463 0,9564 0,9649 0,979 0,9357 0,9474 0,9573 0,9656 0,976 0,9370 0,9484 0,958 0,9664 0,973 0,938 0,9495 0,959 0,967 0,9738 0,9394 0,9505 0,9599 0,9678 0,9744 0,9406 0,955 0,9608 0,9686 0,9750 0,948 0,955 0,966 0,9693 0,9756 0,949 0,9535 0,965 0,9699 0,976 0,944 0,9545 0,9633 0,9706 0,9767,0,,,3,4 0,977 0,98 0,986 0,9893 0,998 0,9778 0,986 0,9864 0,9896 0,990 0,9783 0,9830 0,9868 0,9898 0,99 0,9788 0,9834 0,987 0,990 0,995 0,9793 0,9838 0,9875 0,9904 0,997 0,9798 0,984 0,9878 0,9906 0,999 0,9803 0,9846 0,988 0,9909 0,993 0,9808 0,9850 0,9884 0,99 0,993 0,98 0,9854 0,9887 0,993 0,9934 0,987 0,9857 0,9890 0,996 0,9936,5,6,7,8,9 0,9938 0,9953 0,9965 0,9974 0,998 0,9940 0,9955 0,9966 0,9975 0,998 0,994 0,9956 0,9967 0,9976 0,998 0,9943 0,9957 0,9968 0,9977 0,9983 0,9945 0,9959 0,9969 0,9977 0,9984 0,9946 0,9960 0,9970 0,9978 0,9984 0,9948 0,996 0,997 0,9979 0,9985 0,9949 0,996 0,997 0,9979 0,9985 0,995 0,9963 0,9973 0,9980 0,9986 0,995 0,9964 0,9974 0,998 0,9986 3,0 3, 3, 3,3 3,4 0,9987 0,9990 0,9993 0,9995 0,9987 0,999 0,9993 0,9995 0,9987 0,999 0,9994 0,9995 0,9988 0,999 0,9994 0,9996 0,9988 0,999 0,9994 0,9996 0,9989 0,999 0,9994 0,9996 0,9989 0,999 0,9994 0,9996 0,9989 0,999 0,9994 0,9996 0,9990 0,9993 0,9995 0,9996 0,9990 0,9993 0,9995 0,9998 3,6 0,9998 0,9998

10 Tabla 4: Valores percentles para la dstrbucón j cuadrado con v (área en sombra = p ). v X 995 X 99 X 975 X 95 X 90 X 75 X 50 X 5 X 0 X 05 X 05 X 0 X

11 Datos (a modo de ejemplo) Sere de Precptacones anuales Estacón: ITA-Colona Benítez Año P anual (mm) Año P anual (mm) , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,5 a) Ajustar la dstrbucón normal a la sere de precptacones anuales regstrada en Colona Benítez. b) Verfcar el ajuste utlzando el Test de Ch Cuadrado. c) Calcular la precptacón anual que tene una probabldad del 5% de ser superada.

12 Sere de Caudales máxmos anuales del Río egro en Puerto Trol Año Q [m 3 /seg] a) Calcular los caudales máxmos para Tempos de Retorno de: 5, 5, 50 y 00 años. b) Calcular los TR (años) para los caudales máxmos de: 30, 50 y 350 m 3 /seg.

Medidas de centralización

Medidas de centralización 1 Meddas de centralzacón Meda Datos no agrupados = x X = n = 0 Datos agrupados = x X = n = 0 Medana Ordenamos la varable de menor a mayor. Calculamos la columna de la frecuenca relatva acumulada F. Buscamos

Más detalles

INTRODUCCIÓN. Técnicas estadísticas

INTRODUCCIÓN. Técnicas estadísticas Tema : Estadístca Descrptva Undmensonal ITRODUCCIÓ Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. (Ejemplo: lómetros recorrdos en un ntervalo de tempo a una velocdad

Más detalles

Vida Util, características de la Fiabilidad e Inviabilidad y distribuciones teóricas en el terreno de la fiabilidad

Vida Util, características de la Fiabilidad e Inviabilidad y distribuciones teóricas en el terreno de la fiabilidad Vda Utl, característcas de la Fabldad e Invabldad y dstrbucones teórcas en el terreno de la fabldad Realzado por: Mgter. Leandro D. Torres Vda Utl Este índce se refere a una vda útl meda nomnal y se puede

Más detalles

Tema 4: Variables aleatorias

Tema 4: Variables aleatorias Estadístca 46 Tema 4: Varables aleatoras El concepto de varable aleatora surge de la necesdad de hacer más manejables matemátcamente los resultados de los expermentos aleatoros, que en muchos casos son

Más detalles

Teoría de Modelos y Simulación Enrique Eduardo Tarifa Facultad de Ingeniería - Universidad Nacional de Jujuy. Generación de Números Aleatorios

Teoría de Modelos y Simulación Enrique Eduardo Tarifa Facultad de Ingeniería - Universidad Nacional de Jujuy. Generación de Números Aleatorios Teoría de Modelos y Smulacón Enrque Eduardo Tarfa Facultad de Ingenería - Unversdad Naconal de Jujuy Generacón de Números Aleatoros Introduccón Este capítulo trata sobre la generacón de números aleatoros.

Más detalles

Problemas donde intervienen dos o más variables numéricas

Problemas donde intervienen dos o más variables numéricas Análss de Regresón y Correlacón Lneal Problemas donde ntervenen dos o más varables numércas Estudaremos el tpo de relacones que exsten entre ellas, y de que forma se asocan Ejemplos: La presón de una masa

Más detalles

Descripción de una variable

Descripción de una variable Descrpcón de una varable Tema. Defncones fundamentales. Tabla de frecuencas. Datos agrupados. Meddas de poscón Meddas de tendenca central: meda, medana, moda Ignaco Cascos Depto. Estadístca, Unversdad

Más detalles

Tema 1: Estadística Descriptiva Unidimensional Unidad 2: Medidas de Posición, Dispersión y de Forma

Tema 1: Estadística Descriptiva Unidimensional Unidad 2: Medidas de Posición, Dispersión y de Forma Estadístca Tema 1: Estadístca Descrptva Undmensonal Undad 2: Meddas de Poscón, Dspersón y de Forma Área de Estadístca e Investgacón Operatva Lceso J. Rodríguez-Aragón Septembre 2010 Contendos...............................................................

Más detalles

Hidrología superficial

Hidrología superficial Laboratoro de Hdráulca Ing. Davd Hernández Huéramo Manual de práctcas Hdrología superfcal 7o semestre Autores: Héctor Rvas Hernández Juan Pablo Molna Agular Rukmn Espnosa Díaz alatel Castllo Contreras

Más detalles

LECTURA 07: MEDIDAS DE TENDENCIA CENTRAL (PARTE II) LA MEDIANA Y LA MODA TEMA 17: LA MEDIANA Y LA MODA

LECTURA 07: MEDIDAS DE TENDENCIA CENTRAL (PARTE II) LA MEDIANA Y LA MODA TEMA 17: LA MEDIANA Y LA MODA LECTURA 07: MEDIDAS DE TENDENCIA CENTRAL (PARTE II) LA MEDIANA Y LA MODA TEMA 17: LA MEDIANA Y LA MODA. LA MEDIANA: Es una medda de tendenca central que dvde al total de n observacones debdamente ordenadas

Más detalles

Histogramas: Es un diagrama de barras pero los datos son siempre cuantitativos agrupados en clases o intervalos.

Histogramas: Es un diagrama de barras pero los datos son siempre cuantitativos agrupados en clases o intervalos. ESTADÍSTICA I. Recuerda: Poblacón: Es el conjunto de todos los elementos que cumplen una determnada propedad, que llamamos carácter estadístco. Los elementos de la poblacón se llaman ndvduos. Muestra:

Más detalles

Tema 3. Estadísticos univariados: tendencia central, variabilidad, asimetría y curtosis

Tema 3. Estadísticos univariados: tendencia central, variabilidad, asimetría y curtosis Tema. Estadístcos unvarados: tendenca central, varabldad, asmetría y curtoss 1. MEDIDA DE TEDECIA CETRAL La meda artmétca La medana La moda Comparacón entre las meddas de tendenca central. MEDIDA DE VARIACIÓ

Más detalles

TRABAJO 1: Variables Estadísticas Unidimensionales (Tema 1).

TRABAJO 1: Variables Estadísticas Unidimensionales (Tema 1). TRABAJO 1: Varables Estadístcas Undmensonales (Tema 1). Técncas Cuanttatvas I. Curso 2016/2017. APELLIDOS: NOMBRE: GRADO: GRUPO: DNI (o NIE): A: B: C: D: En los enuncados de los ejerccos que sguen aparecen

Más detalles

Relaciones entre variables

Relaciones entre variables Relacones entre varables Las técncas de regresón permten hacer predccones sobre los valores de certa varable Y (dependente), a partr de los de otra (ndependente), entre las que se ntuye que exste una relacón.

Más detalles

Capitalización y descuento simple

Capitalización y descuento simple Undad 2 Captalzacón y descuento smple 2.1. Captalzacón smple o nterés smple 2.1.1. Magntudes dervadas 2.2. Intereses antcpados 2.3. Cálculo de los ntereses smples. Métodos abrevados 2.3.1. Método de los

Más detalles

Correlación y regresión lineal simple

Correlación y regresión lineal simple . Regresón lneal smple Correlacón y regresón lneal smple. Introduccón La correlacón entre dos varables ( e Y) se refere a la relacón exstente entre ellas de tal manera que a determnados valores de se asocan

Más detalles

CÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA

CÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA CÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA Alca Maroto, Rcard Boqué, Jord Ru, F. Xaver Rus Departamento de Químca Analítca y Químca Orgánca Unverstat Rovra Vrgl. Pl. Imperal Tàrraco,

Más detalles

EJERCICIO 1 1. VERDADERO 2. VERDADERO (Esta afirmación no es cierta en el caso del modelo general). 3. En el modelo lineal general

EJERCICIO 1 1. VERDADERO 2. VERDADERO (Esta afirmación no es cierta en el caso del modelo general). 3. En el modelo lineal general PRÁCTICA 6: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN EJERCICIO. VERDADERO. VERDADERO (Esta afrmacón no es certa en el caso del modelo general. 3. En el modelo lneal general Y =X β + ε, explcar la forma que

Más detalles

Media es la suma de todas las observaciones dividida por el tamaño de la muestra.

Media es la suma de todas las observaciones dividida por el tamaño de la muestra. Estadístcos Los estadístcos son valores calculados con los datos de una varable cuanttatva y que mden alguna de las característcas de la dstrbucón muestral. Las prncpales característcas son: tendenca central,

Más detalles

Métodos específicos de generación de diversas distribuciones discretas

Métodos específicos de generación de diversas distribuciones discretas Tema 3 Métodos específcos de generacón de dversas dstrbucones dscretas 3.1. Dstrbucón de Bernoull Sea X B(p). La funcón de probabldad puntual de X es: P (X = 1) = p P (X = 0) = 1 p Utlzando el método de

Más detalles

PRUEBAS DE ACCESO A LAS UNIVERSIDADES DE ANDALUCÍA PARA MAYORES DE 25 AÑOS MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES

PRUEBAS DE ACCESO A LAS UNIVERSIDADES DE ANDALUCÍA PARA MAYORES DE 25 AÑOS MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES PRUEBAS DE ACCESO A LAS UNIVERSIDADES DE ANDALUCÍA PARA MAYORES DE AÑOS EXÁMENES PROPUESTOS Y RESUELTOS DE MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES CONVOCATORIAS DE --- F Jménez Gómez Este cuaderno

Más detalles

IES Menéndez Tolosa (La Línea) Física y Química - 1º Bach - Gráficas

IES Menéndez Tolosa (La Línea) Física y Química - 1º Bach - Gráficas IES Menéndez Tolosa (La Línea) Físca y Químca - 1º Bach - Gráfcas 1 Indca qué tpo de relacón exste entre las magntudes representadas en la sguente gráfca: La gráfca es una línea recta que no pasa por el

Más detalles

Tema 1: Análisis de datos unidimensionales

Tema 1: Análisis de datos unidimensionales Tema : Análss de datos undmensonales. Varables estadístcas undmensonales. Representacones gráfcas.. Característcas de las dstrbucones de frecuencas undmensonales.. Varables estadístcas undmensonales. Representacones

Más detalles

ESTADÍSTICA BIDIMENSIONAL ÍNDICE GENERAL

ESTADÍSTICA BIDIMENSIONAL ÍNDICE GENERAL ESTADÍSTICA BIDIMESIOAL ÍDICE GEERAL 1.-Varable Estadístca Bdmensonal. Tablas de frecuenca... 1.1.- Concepto de varable estadístca bdmensonal. Eemplos.... 1..-Tablas bdmensonales de frecuencas. Tablas

Más detalles

LECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION

LECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION Unversdad Católca Los Ángeles de Chmbote LECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION 1. DEFINICION: Las meddas estadístcas

Más detalles

Econometría. Ayudantía # 01, Conceptos Generales, Modelo de Regresión. Profesor: Carlos R. Pitta 1

Econometría. Ayudantía # 01, Conceptos Generales, Modelo de Regresión. Profesor: Carlos R. Pitta 1 Escuela de Ingenería Comercal Ayudantía # 01, Conceptos Generales, Modelo de Regresón Profesor: Carlos R. Ptta 1 1 cptta@spm.uach.cl Escuela de Ingenería Comercal Ayudantía 01 Parte 01: Comentes Señale

Más detalles

Análisis de error y tratamiento de datos obtenidos en el laboratorio

Análisis de error y tratamiento de datos obtenidos en el laboratorio Análss de error tratamento de datos obtendos en el laboratoro ITRODUCCIÓ Todas las meddas epermentales venen afectadas de una certa mprecsón nevtable debda a las mperfeccones del aparato de medda, o a

Más detalles

Análisis de Weibull. StatFolio de Muestra: Weibull analysis.sgp

Análisis de Weibull. StatFolio de Muestra: Weibull analysis.sgp Análss de Webull Resumen El procedmento del Análss de Webull está dseñado para ajustar una dstrbucón de Webull a un conjunto de n observacones. Es comúnmente usado para analzar datos representando tempos

Más detalles

ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 2011 INSTITUTO NACIONAL DE ESTADÍSTICAS

ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 2011 INSTITUTO NACIONAL DE ESTADÍSTICAS METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 0 INSTITUTO NACIONAL DE ESTADÍSTICAS 03 ÍNDICE I. METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE INTERURBANO DE PASAJEROS POR CARRETERA.

Más detalles

TEMA 3. VARIABLE ALEATORIA

TEMA 3. VARIABLE ALEATORIA TEMA 3. VARIABLE ALEATORIA 3.. Introduccón. 3... Dstrbucón de Probabldad de una varable aleatora 3... Funcón de Dstrbucón de una varable aleatora 3.. Varable aleatora dscreta 3... Funcón masa de probabldad

Más detalles

Modelos unifactoriales de efectos aleatorizados

Modelos unifactoriales de efectos aleatorizados Capítulo 4 Modelos unfactorales de efectos aleatorzados En el modelo de efectos aleatoros, los nveles del factor son una muestra aleatora de una poblacón de nveles. Este modelo surge ante la necesdad de

Más detalles

Tema 8 - Estadística - Matemáticas CCSSI 1º Bachillerato 1

Tema 8 - Estadística - Matemáticas CCSSI 1º Bachillerato 1 Tema 8 - Estadístca - Matemátcas CCSSI 1º Bachllerato 1 TEMA 8 - ESTADÍSTICA 8.1 NOCIONES GENERALES DE ESTADÍSTICA 8.1.1 INTRODUCCIÓN Objetvo: La estadístca tene por objeto el desarrollo de técncas para

Más detalles

Organización y resumen de datos cuantitativos

Organización y resumen de datos cuantitativos Organzacón y resumen de datos cuanttatvos Contendos Organzacón de datos cuanttatvos: dagrama de tallos y hojas, tablas de frecuencas. Hstogramas. Polígonos. Ojvas ORGANIZACIÓN Y RESUMEN DE DATOS CUANTITATIVOS

Más detalles

T. 9 El modelo de regresión lineal

T. 9 El modelo de regresión lineal 1 T. 9 El modelo de regresón lneal 1. Conceptos báscos sobre el análss de regresón lneal. Ajuste de la recta de regresón 3. Bondad de ajuste del modelo de regresón Modelos predctvos o de regresón: la representacón

Más detalles

Población: Es el conjunto de todos los elementos cuyo conocimiento nos interesa y serán objeto de nuestro estudio.

Población: Es el conjunto de todos los elementos cuyo conocimiento nos interesa y serán objeto de nuestro estudio. Tema 9 - Estadístca - Matemátcas B 4º E.S.O. 1 TEMA 9 - ESTADÍSTICA 9.1 DOS RAMAS DE LA ESTADÍSTICA 9.1.1 - INTRODUCCIÓN La estadístca tene por objeto el desarrollo de técncas para el conocmento numérco

Más detalles

MATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas

MATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas Unversdad de Cádz Departamento de Matemátcas MATEMÁTICAS para estudantes de prmer curso de facultades y escuelas técncas Tema 13 Dstrbucones bdmensonales. Regresón y correlacón lneal Elaborado por la Profesora

Más detalles

TÉCNICAS AUXILIARES DE LABORATORIO

TÉCNICAS AUXILIARES DE LABORATORIO TÉCNICAS AUXILIARES DE LABORATORIO I.- ERRORES 1.- Introduccón Todas las meddas epermentales venen afectadas de una mprecsón nherente al proceso de medda. Puesto que en éste se trata, báscamente, de comparar

Más detalles

REGRESION LINEAL SIMPLE

REGRESION LINEAL SIMPLE REGREION LINEAL IMPLE Jorge Galbat Resco e dspone de una mustra de observacones formadas por pares de varables: (x 1, y 1 ) (x, y ).. (x n, y n ) A través de esta muestra, se desea estudar la relacón exstente

Más detalles

CARTAS DE CONTROL. Han sido difundidas exitosamente en varios países dentro de una amplia variedad de situaciones para el control del proceso.

CARTAS DE CONTROL. Han sido difundidas exitosamente en varios países dentro de una amplia variedad de situaciones para el control del proceso. CARTAS DE CONTROL Las cartas de control son la herramenta más poderosa para analzar la varacón en la mayoría de los procesos. Han sdo dfunddas extosamente en varos países dentro de una ampla varedad de

Más detalles

MÉTODOS PARA PROBAR NUMEROS

MÉTODOS PARA PROBAR NUMEROS Capítulo 3 ALEATORIOS MÉTODOS PARA PROBAR NUMEROS III.1 Introduccón Exsten algunos métodos dsponbles para verfcar varos aspectos de la caldad de los números pseudoaleatoros. S no exstera un generador partcular

Más detalles

Medidas de Tendencia Central y de Variabilidad

Medidas de Tendencia Central y de Variabilidad Meddas de Tendenca Central y de Varabldad Contendos Meddas descrptvas de forma: curtoss y asmetría Meddas de tendenca central: meda, medana y moda Meddas de dspersón: rango, varanza y desvacón estándar.

Más detalles

Pruebas Estadísticas de Números Pseudoaleatorios

Pruebas Estadísticas de Números Pseudoaleatorios Pruebas Estadístcas de Números Pseudoaleatoros Prueba de meda Consste en verfcar que los números generados tengan una meda estadístcamente gual a, de esta manera, se analza la sguente hpótess: H 0 : =

Más detalles

EJERCICIOS DE ESTADÍSTICA BIDIMENSIONAL.

EJERCICIOS DE ESTADÍSTICA BIDIMENSIONAL. EJERCICIOS DE ESTADÍSTICA BIDIMENSIONAL. 1. Una cofradía de pescadores regstra la cantdad de sardnas que llegan al puerto (X), en klogramos, el preco de la subasta en la lonja (Y), en euros por klo, han

Más detalles

Investigación y Técnicas de Mercado. Previsión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): Ajustes de Tendencia

Investigación y Técnicas de Mercado. Previsión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): Ajustes de Tendencia Investgacón y Técncas de Mercado Prevsón de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): s de Tendenca Profesor: Ramón Mahía Curso 00-003 I.- Introduccón Hasta el momento,

Más detalles

Además podemos considerar diferentes tipos de medidas de resumen. Entre ellas tenemos:

Además podemos considerar diferentes tipos de medidas de resumen. Entre ellas tenemos: MEDIDAS DE POSICIÓN Y DISPERSIÓN Estadístca En la clase anteror vmos como resumr la nformacón contenda en un conjunto de datos medante tablas y gráfcos. En esta clase vamos a ver como resumrlos medante

Más detalles

Cálculo y EstadísTICa. Primer Semestre.

Cálculo y EstadísTICa. Primer Semestre. Cálculo y EstadísTICa. Prmer Semestre. EstadísTICa Curso Prmero Graduado en Geomátca y Topografía Escuela Técnca Superor de Ingeneros en Topografía, Geodesa y Cartografía. Unversdad Poltécnca de Madrd

Más detalles

TERMODINÁMICA DEL EQUILIBRIO CAPÍTULO V. EQUILIBRIO DE REACCIÓN QUÍMICA

TERMODINÁMICA DEL EQUILIBRIO CAPÍTULO V. EQUILIBRIO DE REACCIÓN QUÍMICA Ing. Federco G. Salazar Termodnámca del Equlbro TERMODINÁMICA DEL EQUILIBRIO CAPÍTULO V. EQUILIBRIO DE REACCIÓN QUÍMICA Contendo 1. Conversón y Coordenada de Reaccón. 2. Ecuacones Independentes y Regla

Más detalles

Muestra: son datos de corte transversal correspondientes a 120 familias españolas.

Muestra: son datos de corte transversal correspondientes a 120 familias españolas. Capítulo II: El Modelo Lneal Clásco - Estmacón Aplcacones Informátcas 3. APLICACIONES INFORMÁTICAS Fchero : cp.wf (modelo de regresón smple) Seres: : consumo famlar mensual en mles de pesetas RENTA: renta

Más detalles

EJERCICIOS RESUELTOS TEMA 2

EJERCICIOS RESUELTOS TEMA 2 EJERCICIOS RESUELTOS TEMA.1. La Moda, para el grupo de Varones de la Tabla 1, es: A) 4,5; B) 17; C) 60.. Con los datos de la Tabla 1, la meda en para las Mujeres es: A) gual a la meda para los Varones;

Más detalles

EXPERIMENTACIÓN COMERCIAL(I)

EXPERIMENTACIÓN COMERCIAL(I) EXPERIMENTACIÓN COMERCIAL(I) En un expermento comercal el nvestgador modfca algún factor (denomnado varable explcatva o ndependente) para observar el efecto de esta modfcacón sobre otro factor (denomnado

Más detalles

GUÍA 5. Roberto Fabián Retrepo A., M. Sc. en Física Profesor Asociado Escuela de Física Universidad Nacional de Colombia

GUÍA 5. Roberto Fabián Retrepo A., M. Sc. en Física Profesor Asociado Escuela de Física Universidad Nacional de Colombia GUÍA 5 Dego Lus Arstzábal R., M. Sc. en Físca Profesor Asocado Escuela de Físca Unversdad aconal de Colomba Roberto Fabán Retrepo A., M. Sc. en Físca Profesor Asocado Escuela de Físca Unversdad aconal

Más detalles

1. Lección 7 - Rentas - Valoración (Continuación)

1. Lección 7 - Rentas - Valoración (Continuación) Apuntes: Matemátcas Fnanceras 1. Leccón 7 - Rentas - Valoracón (Contnuacón) 1.1. Valoracón de Rentas: Constantes y Dferdas 1.1.1. Renta Temporal y Pospagable En este caso, el orgen de la renta es un momento

Más detalles

INSTITUTO DE FÍSICA FACULTAD DE INGENIERÍA

INSTITUTO DE FÍSICA FACULTAD DE INGENIERÍA INSTITUTO DE FÍSICA FACULTAD DE INGENIERÍA LABORATORIO 1-008 PRACTICA 4: LEYES DE LOS GASES 1. OBJETIVOS ) Comprobacón expermental de las leyes de los gases. En este caso nos vamos a concentrar en el estudo

Más detalles

ESTADÍSTICA DESCRIPTIVA Métodos Estadísticos Aplicados a las Auditorías Sociolaborales

ESTADÍSTICA DESCRIPTIVA Métodos Estadísticos Aplicados a las Auditorías Sociolaborales ESTADÍSTICA DESCRIPTIVA Métodos Estadístcos Aplcados a las Audtorías Socolaborales Francsco Álvarez González http://www.uca.es/serv/fag/fct/ francsco.alvarez@uca.es Bajo el térmno Estadístca Descrptva

Más detalles

Modelos triangular y parabólico

Modelos triangular y parabólico Modelos trangular y parabólco ClassPad 0 Prof. Jean-Perre Marcallou INTRODUCCIÓN La calculadora CASIO ClassPad 0 dspone de la Aplcacón Prncpal para realzar los cálculos correspondentes a los modelos trangular

Más detalles

PRÁCTICA 16: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN

PRÁCTICA 16: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN PRÁCTICA 6: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN EJERCICIO. VERDADERO. VERDADERO (Esta afrmacón no es certa en el caso del modelo general). 3. En el modelo lneal general Y = X b + e, explcar la forma

Más detalles

Apéndice A: Metodología para la evaluación del modelo de pronóstico meteorológico

Apéndice A: Metodología para la evaluación del modelo de pronóstico meteorológico Apéndce A: Metodología para la evaluacón del modelo de pronóstco meteorológco Apéndce A: Metodología para la evaluacón del modelo de pronóstco meteorológco Tabla de contendos Ap.A Apéndce A: Metodología

Más detalles

3. VARIABLES ALEATORIAS.

3. VARIABLES ALEATORIAS. 3. VARIABLES ALEATORIAS. Una varable aleatora es una varable que toma valores numércos determnados por el resultado de un epermento aleatoro (no hay que confundr la varable aleatora con sus posbles valores)

Más detalles

REGRESION Y CORRELACION

REGRESION Y CORRELACION nav Estadístca (complementos) 1 REGRESION Y CORRELACION Fórmulas báscas en la regresón lneal smple Como ejemplo de análss de regresón, descrbremos el caso de Pzzería Armand, cadena de restaurantes de comda

Más detalles

2.2 TASA INTERNA DE RETORNO (TIR). Flujo de Caja Netos en el Tiempo

2.2 TASA INTERNA DE RETORNO (TIR). Flujo de Caja Netos en el Tiempo Evaluacón Económca de Proyectos de Inversón 1 ANTECEDENTES GENERALES. La evaluacón se podría defnr, smplemente, como el proceso en el cual se determna el mérto, valor o sgnfcanca de un proyecto. Este proceso

Más detalles

Regresión Lineal Simple y Correlación

Regresión Lineal Simple y Correlación 4 Regresón Lneal Smple y Correlacón 4.1. Fundamentos teórcos 4.1.1. Regresón La regresón es la parte de la estadístca que trata de determnar la posble relacón entre una varable numérca, que suele llamarse

Más detalles

CAPÍTULO 7 ESTIMACIÓN DE PARÁMETROS

CAPÍTULO 7 ESTIMACIÓN DE PARÁMETROS CAPÍTULO 7 ESTIMACIÓN DE PARÁMETROS En los capítulos anterores se han analzado varos modelos usados en la evaluacón de stocks, defnéndose los respectvos parámetros. En las correspondentes fchas de ejerccos

Más detalles

ESTADÍSTICA (GRUPO 12)

ESTADÍSTICA (GRUPO 12) ESTADÍSTICA (GRUPO 12) CAPÍTULO II.- ANÁLISIS DE UNA CARACTERÍSTICA (DISTRIBUCIONES UNIDIMENSIONALES) TEMA 7.- MEDIDAS DE CONCENTRACIÓN. DIPLOMATURA EN CIENCIAS EMPRESARIALES UNIVERSIDAD DE SEVILLA 1.

Más detalles

MODELOS DE ELECCIÓN BINARIA

MODELOS DE ELECCIÓN BINARIA MODELOS DE ELECCIÓN BINARIA Econometría I UNLP http://www.econometra1.depeco.econo.unlp.edu.ar/ Modelos de Eleccón Bnara: Introduccón Estamos nteresados en la probabldad de ocurrenca de certo evento Podemos

Más detalles

MEDIDAS DESCRIPTIVAS

MEDIDAS DESCRIPTIVAS Tema 2: MEDIDAS DESCRIPTIVAS DE LOS DATOS 1. MEDIDAS DE CETRALIZACIÓ: Meda Medana Moda Cuantles Otras 2. MEDIDAS DE DISPERSIÓ: Desvacón típca Varanza Rango Otras 3. MEDIDAS DE FORMA: Asmetría Apuntamento

Más detalles

Análisis de Regresión y Correlación

Análisis de Regresión y Correlación 1 Análss de Regresón y Correlacón El análss de regresón consste en emplear métodos que permtan determnar la mejor relacón funconal entre dos o más varables concomtantes (o relaconadas). El análss de correlacón

Más detalles

Tema 1.3_A La media y la desviación estándar

Tema 1.3_A La media y la desviación estándar Curso 0-03 Grado en Físca Herramentas Computaconales Tema.3_A La meda y la desvacón estándar Dónde estudar el tema.3_a: Capítulo 4. J.R. Taylor, Error Analyss. Unv. cence Books, ausalto, Calforna 997.

Más detalles

Maestría en Administración. Medidas Descriptivas. Formulario e Interpretación. Dr. Francisco Javier Cruz Ariza

Maestría en Administración. Medidas Descriptivas. Formulario e Interpretación. Dr. Francisco Javier Cruz Ariza Maestría en Admnstracón Meddas Descrptvas Formularo e Interpretacón Dr. Francsco Javer Cruz Arza A contnuacón mostramos el foco de atencón de las dstntas meddas que abordaremos en el presente manual. El

Más detalles

EL MÉTODO DE DIFERENCIAS FINITAS POR GUILLERMO HERNÁNDEZ GARCÍA

EL MÉTODO DE DIFERENCIAS FINITAS POR GUILLERMO HERNÁNDEZ GARCÍA EL MÉTODO DE DIFERENCIAS FINITAS POR GUILLERMO HERNÁNDEZ GARCÍA . El Método de Dferencas Fntas El Método consste en una aproxmacón de las dervadas parcales por expresones algebracas con los valores de

Más detalles

PROBABILIDAD Y ESTADÍSTICA

PROBABILIDAD Y ESTADÍSTICA PROBABILIDAD Y ESTADÍSTICA 1. S A es un suceso de probabldad 0.3, la probabldad de su suceso contraro es: a) 0. b) 1.0 c) 0.7 (Convocatora juno 006. Eamen tpo H) S A es un suceso, la probabldad de su suceso

Más detalles

Una renta fraccionada se caracteriza porque su frecuencia no coincide con la frecuencia de variación del término de dicha renta.

Una renta fraccionada se caracteriza porque su frecuencia no coincide con la frecuencia de variación del término de dicha renta. Rentas Fnanceras. Renta fracconada 6. RETA FRACCIOADA Una renta fracconada se caracterza porque su frecuenca no concde con la frecuenca de varacón del térmno de dcha renta. Las característcas de la renta

Más detalles

La adopción y uso de las TICs en las Microempresas Chilenas

La adopción y uso de las TICs en las Microempresas Chilenas Subdreccón Técnca Depto. Investgacón y Desarrollo Estadístco Subdreccón de Operacones Depto. Comerco y Servcos INFORME METODOLÓGICO DISEÑO MUESTRAL La adopcón y uso de las TICs en las Mcroempresas Clenas

Más detalles

Bloque 5. Probabilidad y Estadística Tema 2. Estadística descriptiva Ejercicios resueltos

Bloque 5. Probabilidad y Estadística Tema 2. Estadística descriptiva Ejercicios resueltos Bloque 5. Probabldad y Estadístca Tema. Estadístca descrptva Ejerccos resueltos 5.-1 Dada la sguente tabla de ngresos mensuales, calcular la meda, la medana y el ntervalo modal. Ingresos Frecuenca Menos

Más detalles

METODOLOGÍA MUESTRAL ENCUESTA A LAS PEQUEÑAS Y MEDIANAS EMPRESAS

METODOLOGÍA MUESTRAL ENCUESTA A LAS PEQUEÑAS Y MEDIANAS EMPRESAS SUBDIRECCIÓN TÉCNICA DEPARTAMENTO DE INVESTIGACIÓN Y DESARROLLO ÁREA DE ANÁLISIS ESTADÍSTICAS ECONÓMICAS METODOLOGÍA MUESTRAL ENCUESTA A LAS PEQUEÑAS Y MEDIANAS EMPRESAS Santago, Enero de 2008. Departamento

Más detalles

ACTIVIDADES INICIALES

ACTIVIDADES INICIALES Soluconaro 7 Números complejos ACTIVIDADES INICIALES 7.I. Clasfca los sguentes números, dcendo a cuál de los conjuntos numércos pertenece (entendendo como tal el menor conjunto). a) 0 b) 6 c) d) e) 0 f)

Más detalles

1. Concepto y origen de la estadística Conceptos básicos Tablas estadísticas: recuento Representación de graficas...

1. Concepto y origen de la estadística Conceptos básicos Tablas estadísticas: recuento Representación de graficas... TEMA. ESTADÍSTICA DESCRIPTIVA.. Concepto y orgen de la estadístca..... Conceptos báscos..... Tablas estadístcas: recuento..... Representacón de grafcas.... 6.. Varables cualtatvas... 6.. Varables cuanttatvas

Más detalles

Tratamiento de datos experimentales. Teoría de errores

Tratamiento de datos experimentales. Teoría de errores Tratamento de datos expermentales. Teoría de errores. Apéndce II Tratamento de datos expermentales. Teoría de errores (Fuente: Práctcas de Laboratoro: Físca, Hernández et al., 005) El objetvo de la expermentacón

Más detalles

TEORÍA DE MEDIDAS INTRODUCCIÓN

TEORÍA DE MEDIDAS INTRODUCCIÓN Teoría de Meddas TEORÍA DE MEDIDAS ITRODUCCIÓ Las cencas epermentales operan con valores numércos que se obtenen como resultado de efectuar meddas de varables, por ejemplo una temperatura, una longtud

Más detalles

Unidad Central del Valle del Cauca Facultad de Ciencias Administrativas, Económicas y Contables Programa de Contaduría Pública

Unidad Central del Valle del Cauca Facultad de Ciencias Administrativas, Económicas y Contables Programa de Contaduría Pública Undad Central del Valle del Cauca Facultad de Cencas Admnstratvas, Económcas y Contables Programa de Contaduría Públca Curso de Matemátcas Fnanceras Profesor: Javer Hernando Ossa Ossa Ejerccos resueltos

Más detalles

Guía de ejercicios #1

Guía de ejercicios #1 Unversdad Técnca Federco Santa María Departamento de Electrónca Fundamentos de Electrónca Guía de ejerccos # Ejercco Ω v (t) V 3V Ω v0 v 6 3 t[mseg] 6 Suponendo el modelo deal para los dodos, a) Dbuje

Más detalles

LECTURA N 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) TEMA 14: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION

LECTURA N 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) TEMA 14: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION Unversdad Católca Los Ángeles de Chmbote LECTURA N 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) TEMA 4: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION. DEFINICION Las meddas estadístcas son meddas de resumen

Más detalles

Estadística Descriptiva Análisis de Datos

Estadística Descriptiva Análisis de Datos El concepto de Estadístca Estadístca Descrptva Análss de Datos 8.1 INTRODUCCION El orgen de la Estadístca se remonta a dos tpos de actvdades humanas: los juegos de azar y las necesdades de los Estados:

Más detalles

Análisis de ruido en detectores ópticos.

Análisis de ruido en detectores ópticos. Análss de rudo en detectores óptcos. La corrente real generada en un fotododo es de carácter aleatoro, cuyo valor fluctúa entre el valor promedo defndo por la foto-corrente: p = RP Dchas fluctuacones se

Más detalles

Elaboración de Tablas ó Cuadros. La elaboración de tablas o cuadros, facilita el análisis y la presentación de la información.

Elaboración de Tablas ó Cuadros. La elaboración de tablas o cuadros, facilita el análisis y la presentación de la información. Elaboracón de Tablas ó Cuadros La elaboracón de tablas o cuadros, faclta el análss la presentacón de la nformacón. Para elaborar los cuadros, se debe, antes que todo, dentfcar las varables, característcas

Más detalles

Reconciliación de datos experimentales. MI5022 Análisis y simulación de procesos mineralúgicos

Reconciliación de datos experimentales. MI5022 Análisis y simulación de procesos mineralúgicos Reconclacón de datos expermentales MI5022 Análss y smulacón de procesos mneralúgcos Balances Balances en una celda de flotacón En torno a una celda de flotacón (o un crcuto) se pueden escrbr los sguentes

Más detalles

Diseño de la Muestra. Introducción. Tipo de muestreo y estratificación

Diseño de la Muestra. Introducción. Tipo de muestreo y estratificación Dseño de la Muestra A Introduccón Sguendo las orentacones dadas por la Ofcna Estadístca de la Unón Europea (EUROSTAT) se a selecconado una muestra probablístca representatva de la poblacón de los ogares

Más detalles

TEMA 6 AMPLIFICADORES OPERACIONALES

TEMA 6 AMPLIFICADORES OPERACIONALES Tema 6 Amplfcadores peraconales ev 4 TEMA 6 AMPLIFICADES PEACINALES Profesores: Germán llalba Madrd Mguel A. Zamora Izquerdo Tema 6 Amplfcadores peraconales ev 4 CNTENID Introduccón El amplfcador dferencal

Más detalles

CESMA BUSINESS SCHOOL

CESMA BUSINESS SCHOOL CESMA BUSINESS SCHOOL MATEMÁTICAS FINANCIERAS. TEMA 4 RENTAS y MÉTODOS DE AMORTIZACIÓN Javer Blbao García 1 1.- Introduccón Defncón: Conjunto de captales con vencmentos equdstantes de tempo. Para que exsta

Más detalles

Variable aleatoria: definiciones básicas

Variable aleatoria: definiciones básicas Varable aleatora: defncones báscas Varable Aleatora Hasta ahora hemos dscutdo eventos elementales y sus probabldades asocadas [eventos dscretos] Consdere ahora la dea de asgnarle un valor al resultado

Más detalles

XII. Uso de la Estimación de la Distribución de Probabilidad para Muestras Pequeñas y de la Simulación en la Inferencia de Carteras de Seguros.

XII. Uso de la Estimación de la Distribución de Probabilidad para Muestras Pequeñas y de la Simulación en la Inferencia de Carteras de Seguros. Uso de la Estmacón de la Dstrbucón de Probabldad para Muestras Pequeñas y de la Smulacón en la Inferenca de Carteras de Seguros. Trabajo presentado para el XII Premo de Investgacón sobre Seguros y Fanzas

Más detalles

1.- Objetivo Alcance Metodología...3

1.- Objetivo Alcance Metodología...3 PROCEDIMIENTO DO PARA EL CÁLCULO DEL FACTOR DE DESEMPEÑO DEL CONTROL DE FRECUENCIA (FECF) EN EL SIC DIRECCIÓN DE OPERACIÓN ÍNDICE 1.- Objetvo...3 2.- Alcance...3 3.- Metodología...3 3.1.- Cálculo de la

Más detalles

CAPITULO 3.- ANÁLISIS CONJUNTO DE DOS VARIABLES. 3.1 Presentación de los datos. Tablas de doble entrada.

CAPITULO 3.- ANÁLISIS CONJUNTO DE DOS VARIABLES. 3.1 Presentación de los datos. Tablas de doble entrada. Introduccón a la Estadístca Empresaral Capítulo - Análss conjunto de dos varables Jesús ánchez Fernández CAPITULO - AÁLII COJUTO DE DO VARIABLE Presentacón de los datos Tablas de doble entrada En el capítulo

Más detalles

Capítulo 3. SISTEMAS DE PARTÍCULAS

Capítulo 3. SISTEMAS DE PARTÍCULAS Capítulo 3. SISTEMAS DE PARTÍCULAS 3.1. Introduccón En la mayoría de los sstemas partculados esten partículas de dstnto tamaño tal como se observa en la Fgura 3.1. Muchos de los métodos que mden tamaño

Más detalles

Capítulo 12 CONTRASTES NO PARAMÉTRICOS

Capítulo 12 CONTRASTES NO PARAMÉTRICOS Capítulo 1 CONTRASTES NO PARAMÉTRICOS 1.1 Introduccón 1. Contrastes de ajuste a una dstrbucón teórca 1..1 Contrastes basados en la dstrbucón de frecuencas muestral 1..1.1 El contraste ch-cuadrado, χ. 1..1.

Más detalles

TEMA 10: ESTADÍSTICA

TEMA 10: ESTADÍSTICA TEMA 10: La Estadístca es la parte de las matemátcas que se ocupa de recoger, organzar y analzar grandes cantdades de datos para estudar alguna característca de un colectvo. 1. VARIABLES S UIDIMESIOALES

Más detalles

ANÁLISIS EXPLORATORIO DE DATOS

ANÁLISIS EXPLORATORIO DE DATOS ANÁLISIS EXPLORATORIO DE DATOS 1. INTRODUCCIÓN HISTÓRICA 2 1.1 La Estadístca como cenca 2 1.2 Algunos problemas que resuelve la Estadístca 2 2. INTRODUCCIÓN A LA ESTADÍSTICA 3 2.1. Concepto y Objetvo de

Más detalles

Regresión Binomial Negativa

Regresión Binomial Negativa Regresón Bnomal Negatva Resumen El procedmento Regresón Bnomal Negatva está dseñado para ajustar un modelo de regresón en el cual la varable dependente Y consste de conteos. El modelo de regresón ajustado

Más detalles

Rentas o Anualidades

Rentas o Anualidades Rentas o Anualdades Patrca Ksbye Profesorado en Matemátca Facultad de Matemátca, Astronomía y Físca 10 de setembre de 2013 Patrca Ksbye (FaMAF) 10 de setembre de 2013 1 / 31 Introduccón Rentas o Anualdades

Más detalles

TEMA. Contenidos UNIDAD I: ESTADÍSTICA DESCRIPTIVA

TEMA. Contenidos UNIDAD I: ESTADÍSTICA DESCRIPTIVA ANÁLISIS DESCRIPTIVO DE VARIABLES CUANTITATIVAS () Contendos TEMA 4.4. Introduccón 4.5. Dstrbucones de frecuencas de varables cuanttatvas (datos agrupados) 4.6. Propedades de las dstrbucones de varables

Más detalles

DELTA MASTER FORMACIÓN UNIVERSITARIA C/ Gral. Ampudia, 16 Teléf.: 91 533 38 42-91 535 19 32 28003 MADRID

DELTA MASTER FORMACIÓN UNIVERSITARIA C/ Gral. Ampudia, 16 Teléf.: 91 533 38 42-91 535 19 32 28003 MADRID DELTA MATE OMAÓN UNETAA / Gral. Ampuda, 6 8003 MADD EXÁMEN NTODUÓN A LA ELETÓNA UM JUNO 008 El examen consta de ses preguntas. Lea detendamente los enuncados. tene cualquer duda consulte al profesor. Todas

Más detalles